基于模糊判断矩阵信息确定专家权重的方法

本文对群组模糊判断矩阵集结过程中确定专家权重的问题进行了研究,建立了模糊判断矩阵的特征矩阵和求解群集结矩阵的最优化模型,通过矩阵之间距离度量判断信息自身逻辑一致性程度和群体相容性程度,给出一种基于专家判断信息的可信度计算其后验权重的方法,最后用算例予以说明.     

专家权威性权重与改进的群体决策AHP法

本文首先利用频度统计,提出了“专家权威性权重”的概念,以衡量AHP法参评专家评判结果的权威程度。随后本文又将其运用于对以往群体决策AHP法的改进,最终得到一种新的运用最优传送矩阵拟合原理的群体决策AHP法。这一方法充分考虑了多数专家的评判结果,并使一致性检验不再必须,从而使AHP法的使用更为快捷。实践证明,本文方法具有很高的可信度。     

基于模糊判断矩阵的群决策方法研究

对多个决策者给出的偏好信息的有效集结是群决策过程的重要问题之一.不同类型的偏好信息有不同的集结方法.基于模糊判断矩阵一致性的定义,提出一种加权集结方法的最优化模型,从而得到群决策中一类模糊判断矩阵的集结方法,并进一步分析和研究群组判断矩阵与各决策者给出的判断矩阵之间关系的一些重要性质.     

权重信息未知情况下的多属性群决策方法及其拓展

本文针对群决策中专家权重及指标权重难以确定的问题,提出一种在权重信息完全未知情况下的基于证据距离和模糊熵权变换的多属性群决策方法,其核心在于如何仅通过决策矩阵客观地确定决策者权重及指标权重。通过信息熵和证据距离确定专家权重,并利用模糊变换原理,将专家权重向量与指标熵权矩阵合成,得到统一的群体决策指标权重;最后使用线性加权法集成所有专家对备选方案的评价信息,得到整个方案集的排序。实验结果及相关讨论表明,该方法概念清晰,计算量适中,具有较强的客观性,而且易于机器实现,是一种可行、有效的多属性群决策方法。最后将该方法推广到属性值由精确数、语言值、区间数、直觉模糊数等多种形式构成的混合型多属性群决策中。     

基于语言评价信息的快速集结方法研究

针对具有语言评价信息的多指标群决策问题,研究了基于二元语义的快速集结方法。把各决策者的语言评价信息转化为二元语义矩阵;依据各决策者的判断偏好,提出方案属性权重求解的规划模型;通过集结和比较各决策者偏好和总体偏好的差异,提出决策者权重确定模型;定义决策者判断一致度及决策者偏差的查找算法,快速辨别偏差较大的决策者并对其提供偏好调整建议;文后例子将其应用于某危险品的救险应急方案的选择。     

基于G1-法的群决策集结分析

在群决策中,决策者如何对决策方案进行比较,并在决策者个体比较的基础上集结为群体结果,是其研究的主要问题.本文采用G1-法进行群决策集结研究,避免了判断矩阵的构建.由于G1-法不需要进行一致性判断,与一些常用的方法相比有显著的优越性.文章最后用一个算例说明本文方法的实施过程.     

基于非均匀性语言标度和DLWA算子的动态绩效模糊群决策研究

基于企业人力资源管理(HRM)系统中职能管理部门年度绩效考核决策评价和选优序列生成过程中的数据的不确定性、随机性和模糊性,通过设计季度绩效多维度模糊评价体系,采用非均匀加性语言评估标度定性的多维度评价,构建动态加性语言判断矩阵模型,利用DLWA算子等语言信息集成算子,集成多个决策者不同时期绩效指标评价数据,并整合不同决策者的偏好度,综合呈现年度部门业绩选优序列,优化提升职能管理部门绩效考核决策的精确性、公平性和可信度。     

基于模糊综合评价的新产品开发项目后评价研究

本文在分析新产品开发项目特征的基础上,采用专家咨询法建立初步的新产品项目后评价指标体系,并运用用灰色关联度分析对评价指标进行合理筛选;然后通过层次分析法,确定各评价指标的权重;最后,采用模糊综合评价构建评价模型,从而为企业新产品开发项目后评价提供了切实可行的依据和评判标准。     

选择分销商的模糊综合评判方法

分销商选择问题是企业分销环节中重要的决策问题之一.分销商的特征往往通过多个因素指标来刻画,本质上属于多目标决策问题.本文提出了采用模糊综合评判方法对分销商进行择优排序,排序结果可以作为决策者进行分销商选择的重要依据.本文还讨论了在综合评判过程中利用二元对比排序方法计算各个因素的权重,即确定各因素在分销商综合评价过程中的相对重要性.     

多专家判断的模糊偏好信息集结规划方法

本文给出了一种群决策中通过专家判断矩阵集结专家判断信息的方法。在考虑各专家具有不同强度的偏好效用和容许部分专家给出不完整信息的情况下,将专家判断信息集结转化为一类模糊规划问题,通过最大化群组满意度获得最终的群决策结果。最后,本文通过一个算例说明该方法的可行性及有效性。     

基于复杂网络和语言信息的交互式大规模群体评价方法

针对现有基于语言信息的交互式群体评价方法大多仅适用于中小规模群体的情况,提出一种新的基于复杂网络和语言信息的交互式大规模群体评价方法。首先,将评价者视为网络节点,并依据节点之间的距离构建复杂网络;其次,设计节点紧密度和子群紧密度,并确定节点权重和子群权重;再次,定义群体稳定性指标和群体满意度指标,并以此来判断交互终止和确定阶段权重;最后,在节点密度算子和节点加权算子的基础上,分别对单轮群体意见和多轮评价结果进行集结。文末通过一个实际例子验证了所提方法的有效性与合理性。实例分析表明,该方法能够较为全面、准确地集结交互式大规模群体评价意见,且其结果的满意度亦较为理想。     

基于元胞自动机的企业集团信用风险传递仿真

 企业集团作为商业银行的重要客户,其内部信用风险传递机制的仿真与预测研究对于商业银行的风险控制尤其重要。而传统的仿真方法或者没有考虑到企业集团其本身的结构特性,或者过分依赖于具体随机过程的假定,大大降低了其结论的可靠性。因此,本文引入在生物与计算机领域广泛使用的元胞模型对企业集团内部关联信用风险传递机制进行仿真与模拟。研究发现,企业集团中的信用风险传递会出现风险分散和风险扩大两种不同的效应,并且母公司可以选择对各子公司的最优控制度使得母公司的违约概率最低。     

基于风险环境的企业多层交叉信用评分模型与应用

研究基于风险环境的企多层交叉信用评分模型与信用评级方法,解决同一地区具有多个地域、多个行业和多个企业的企业、行业和地域等具有二级或以上层级结构的企业、行业和地域信用评级问题.定义了地域信用形象,针对同一地域同一行业、不同地域同一行业、同一地域不同行业和不同地域不同行业等4种不同的企业层级结构,分别建立了企业信用评分模型、行业信用评分模型和地域信用评分模型,用以对企业、行业和地域进行信用评级.以某一地区某一行业的集团公司进行项目贷款申请为例,假定该公司同时在"好"、"中"和"差"3个不同的经济发展区域分别建立3个子公司,并分别计算了该公司及其3个子公司在不同地域信用环境影响下的信用评分值,然后综合计算了在不同地域同一行业下的具有多层级结构的公司多级信用评分值,给出公司相应的信用评级结果和银行相应的信贷策略.最后还给出了集团公司具有贷款申请资格的数值条件.该方法对集团公司的信用评级方法以及银行对集团公司的信贷策略及相应决策具有科学参考依据.     

基于一致性度量的概率模糊语言多属性群决策方法

人们通常习惯用语言术语来表达他们的偏好，因此概率型语言术语集（Probabilistic Linguistic Term Set，PLTS）在决策过程中有着十分重要的作用。目前PLTS的研究刚刚起步，有关PLTS的相关研究没有关注到一致性度量的问题，对于PLTS的多属性群决策方法有待进一步研究。首先，给出了一种新的PLTS的集结方法，并且在已有的PLTS可能度公式的基础上，构建了PLTS的相似度量方法，在此基础上，进一步提出了基于PLTS一致性度量的多属性群决策方法。该方法在各决策者权重未知的情况下，考虑到各决策者之间的一致性。首先，定义PLTS的一致性度量公式，确定决策者权重；并根据PLTS的集结方法，集结各决策者的评价信息；最后，利用可能度公式对PLTS进行排序。通过案例分析验证了该方法的可行性和优越性。     

区间信息下的主客方协作式群体评价方法及其应用

目前关于主客方协作式评价问题的研究相对较少且主要是基于点值评价信息的,考虑到评价环境的复杂性与不确定性,本文将点值信息向区间信息方向拓展,探讨了一种新的区间信息下的主客方协作式群体评价方法。本文首先探讨了一种能够较好融合评价信息"质与量"的区间诱导密度加权合成算子-IIDWA;然后以主方信息完备度及客方信息诚信度为诱导分量分别对主客方评价信息进行聚类分组,并从规模和属性两个角度出发分别确定相应的密度加权向量;最后在主客方协作规则下,利用IIDWA算子对主客方区间信息分别进行二维集结,以得出最终综合评价结果。文章最后给出了一个应用算例,算例表明了方法的可行性与有效性。     

基于改进教学式方法的可解释信用风险评价模型构建

信用风险评价是金融机构风险防控的重要环节之一。近年来，基于机器学习的信用风险评价模型以其准确的预测效果受到越来越多的关注，但机器学习模型具有可解释性不强的弊端，导致投资者无法完全信任其预测结果。针对上述问题，本文提出了一种改进的教学式方法，利用机器学习模型指导生成一个兼顾准确性与可解释性的信用风险评价决策树模型，以辅助投资者决策。为提高决策树对机器学习模型中正确功能的学习能力，提出了基于Weight Synthetic Minority Over-sampling Technique（Weight-SMOTE）的伪数据集生成方法，以提高伪数据集中可信度高的功能所标记的伪样本比例；为实现所生成的决策树在准确性、可解释性以及其与机器学习模型一致性间的有效权衡，在决策树生成过程中提出了一种新的决策树剪枝方法；同时针对保真度评价指标的局限性，提出了真保真度评价指标，来有效的衡量决策树与机器学习模型正确功能的近似程度。最后使用3个真实信用风险评价数据集对改进的教学式方法进行验证，实验结果表明所提出方法能够生成准确且可解释的信用风险评价模型，以满足投资者的决策偏好与实际需求。     

基于信用风险度的商业银行风险评估模型研究

本文依据商业银行信用风险的内涵,结合信用风险的不确定性和相对性特征,提出以"信用风险度"作为系统的输出,并针对传统模式识别评估方法的不足,构建了基于补偿模糊神经网络的信用风险评估预测模型,为有效转变信用风险的分类评估模式、提供更为全面的信贷决策支持奠定了基础.实证结果表明,该模型是一种较为有效的评估方法.     

基于改进模糊综合评价法的信用评估体系研究—以我国中小上市公司为样本的实证研究

分析我国中小企业目前的融资困境及其根源,提出改进模糊综合评价模型—AFF模型(Analytic hierarchy process- Factor Analysis- Fuzzy Comprehensive Evaluation)对中小企业进行信用评估。该模型在进行指标权重决策问题时,不仅考虑了复杂大群体决策的不确定性,更是将主观赋权法和客观赋权法思想相结合,提出以基于群决策的AHP方法确定主观权重,基于因子分析法(FA)确定客观权重,最后将主客观权重集结得到指标的综合权重。模型既克服了传统主观因素赋权的不足,又充分考虑客观因素,而且引入了群体决策的思想,拓展了模糊综合评价法的应用,更具理论实际意义。选取信息技术服务业53家公司为样本,利用该模型进行了实证分析,验证了该模型的适用性、稳定性和客观性。分析结果表明,采用AFF模型能准确地得到公司的信用等级,并能发现导致公司信用状况不佳的相关因素,通过对相关因素的剖析,帮助领导者和决策者改善公司信用状况,具有较强的实践意义。AFF模型在各类理论与实践的综合评价中均具有应用和推广价值。     

商业银行集团客户统一授信额度的优化配置研究

企业集团是商业银行重要的贷款客户,商业银行面临企业集团的授信业务风险尤为突出。在结构化模型的框架下,考虑统一授信额度的约束,基于对违约风险控制和贷款收益管理的多目标决策,构建了企业集团成员企业授信额度优化配置模型。示例分析表明,在考虑不同目标重要性的前提下,使用如遗传算法等最优化求解方法,可得到对成员企业授信额度的优化配置方案,从而有助于商业银行积极主动的防范集团客户的信贷风险。     

信用评估中的鲁棒赋权自适应Lp最小二乘支持向量机方法

消费者信用评估是金融风险管理和信用产业竞争的一个重要方面.信用评估数据中常带有噪声点,并且其类别是不均衡的.最小二乘支持向量机是一个被广泛应用的分类模型,其模型简单,求解速度快,但鲁棒性差.本文提出了一个鲁棒赋权自适应L_p最小二乘支持向量机模型,能够适应信用评估样本数据库类别不均衡的特点,可以有效处理信用评估数据中带有噪声点的问题.在仿真数据和三个信用数据库上的实证分析表明,本文所提出的模型具有较好的鲁棒性和分类能力.